证明并改进基于 JEPAs 的柏拉图表示假设
研究人员将柏拉图表示假设转化为定理,证明 JEPAs 在多模态学习中能收敛至同一旋转不变表示。 理论验证显示,基于好视图的 JEPAs 比下一词预测节省 42 倍训练样本,且 109M 参数文本模型对齐效果优于 72B 语言模型。 该成果揭示了正视图而非单纯规模是构建通用表示的关键,并展示了 64% ImageNet-100 准确率的无配对应用潜力。
研究人员将柏拉图表示假设转化为定理,证明 JEPAs 在多模态学习中能收敛至同一旋转不变表示。 理论验证显示,基于好视图的 JEPAs 比下一词预测节省 42 倍训练样本,且 109M 参数文本模型对齐效果优于 72B 语言模型。 该成果揭示了正视图而非单纯规模是构建通用表示的关键,并展示了 64% ImageNet-100 准确率的无配对应用潜力。
研究提出将知识图谱离线编译为LoRA适配器组作为参数化记忆层,查询时零上下文开销。 在MetaQA数据集上,仅匹配实体适配器可将精确匹配分数从0.007提升至0.243;但基于嵌入或权重几何的检索无法定位正确适配器,性能仅为随机水平。 结果显示权重几何与子图语义相关性低(Spearman $\rho$ = +0.329),无法实现功能检索,确立了基于语义相似度的适配器选择机制是核心未解难题。
研究发现基于惊讶度的持续学习法会吸收大量谎言,其错误率与随机选择相当。 研究使用 Qwen2.5-1.5B、Qwen2.5-3B 和 Llama-3.2-3B 验证,发现模型自身先验可区分已知事实的谎言(AUC 0.78-0.83),但无法区分合法更新(AUC 0.53)。 结合可信来源的证据门控系统能降低投毒率,但当攻击者植入30%匹配来源时,效果反而不如单独使用法官模型。
研究发现链式思维(CoT)依赖度随模型规模增加而上升并饱和。在 Qwen3 中,答案对编辑后步骤的依赖度从 0.6B 参数的 16-18% 升至 14B 的 97-100%。 能力是主要驱动因素,依赖度与步骤准确率相关系数 r = 0.99。后训练不改变依赖度,14B 以下模型在缺乏书面步骤时均无法内部解决需四步以上交换的任务。
Meta 上线 AI 穿搭应用 Style Sketch,支持在印尼、新加坡和泰国地区使用 iOS 与 安卓 系统。应用可关联 Instagram 生成虚拟衣橱,并基于用户风格推荐穿搭组合。
鉴于AI大幅提升工程师生产力,作者主张企业应摒弃因AI裁员的短视逻辑,转而扩大团队规模并追求更复杂的产品目标。 随着AI渗透至2026年的软件工程实践,行业正从DevOps向自改进软件及Agentic Automation转型,人类角色转向管理Agent集群并专注于创新体验。 这将推动大型平台扩展护城河,重塑行业对技术能力与商业价值的长期追求标准。
美国科技巨头在 AI 领域的合计投入达 7500 亿美元,但支撑投入的广告、消费与零售业务已出现增长放缓迹象。Alphabet 搜索及广告收入增速创五个季度新低,维持最高 2050 亿美元资本开支预期;亚马逊电商与广告增速双双放缓,重申 2200 亿美元资本开支计划。
Meta 推出 AI 时尚应用 Style Sketch,通过连接 Instagram 构建虚拟衣橱,并利用 AI 生成穿搭建议。 应用支持虚拟试穿、基于天气的穿搭建议及旅行打包规划,目前已上线于印尼、新加坡和泰国的 iOS 和 Android 平台。
SlopIt 推出专为 AI Agent 设计的博客托管服务,Grok Bot 等 Agent 使用独立邮箱完成注册。 某小型商家 Agent 指出文档对 Agent 不友好,SlopIt 当日新增调度器功能并优化说明。
Muse 通过拟人化交互简化了 AI 智能体使用流程,降低了非技术用户的操作门槛。 相比 Claude 等工具,Muse 隐藏了底层技术细节,引导用户完成邮件连接与任务调度,无需手动选择模型。 将智能体视为聪明助手而非软件,能利用其长期记忆优势,使日常任务处理更高效。
作者通过诱导 Meta 开源模型 Muse Spark Open 逐条输出,重建了其思维链中反复引用的 Charter(行为规范)内容。
Microsoft 将全年资本开支预期从 $175B 下调至 $170B,Alphabet 保持在 $195B-$205B,两者均低于分析师预期。
一款追踪 AI 基础设施融资风险的数据可视化项目上线,旨在监测数据中心建设中的过度投资信号。 项目基于公开数据,显示五大科技公司近 12 个月资本支出达 566 亿美元,AAA 级垃圾债息差升至 13.21 个百分点,Nvidia H100 租赁价降至 6.88 美元/小时。 该项目提供早期预警,帮助识别信贷风险与硬件贬值趋势,作为独立研究参考而非投资建议。
现有主流智能体框架缺乏可靠的监控记录,难以识别违规操作及人为审批情况。 研究指出,需通过 OpenTelemetry 记录智能体身份与决策逻辑,但链式推理是否反映真实决策机制仍待解决。 欧盟与美国监管机构正呼吁开发者在部署前建立实时可见性,以防严重后果。
Home Depot CIO 表示,零售商支持代表顾客购物的 AI 代理,但前提是代理必须证明其代表已识别的真实个人。 Meta 的 Muse 正在开发自证身份功能,而 Amazon 此前已封锁该代理。Home Depot 同时正通过 Project Glasswing 测试 Anthropic 的 Mythos Preview。
Anthropic 为 Claude Enterprise 发布智能报告工具,支持生成最长 28 天的团队 AI 使用与开销图表。 报告可提取对话、Claude Code 等工具数据,自动归类工作流并统计成本,企业每月可免费生成 10 份。 Anthropic 声明该工具仅用于普及规划而非绩效评估,但 Meta 等企业的 AI 裁员争议仍引发员工信任担忧。
Instagram 负责人亚当·莫塞里承认,反感 AI 的人群远超年轻人和创意工作者,且未来几年对 AI 的焦虑与愤怒将持续加剧,部分担忧有充分理由,部分则不然。
Instagram 负责人 Adam Mosseri 表示,AI 引发的焦虑与愤怒在未来几年将持续加剧,这种担忧源于害怕被时代抛下的核心心理。 Instagram 正要求 AI 账号主动标注身份,尽管部分优质 AI 内容存在,但平台因识别难度暂无法完全禁止误导性内容。
研究团队提出 Fluid-Gen-Zero 框架,通过接入物理模拟器,使视频大模型在不重新训练的情况下生成更符合物理规律的视频。 该框架利用 Genesis 引擎计算运动轨迹,并在 Tora、VACE 和 WanMove 模型上验证。物体轨迹误差降低 26.7%–81.5%,流体光流端点误差降低 67.9%–84.0%,且保留了原始视觉质量。
文章将 AI 行业领袖的狂热行为比作“邪教”,指出其核心特征是“自愿自我臣服”,即让渡个人决策权。 作者批评 Rabbit CEO 的演示与 NVIDIA 高管对 Copilot 的推崇,认为这种对“数字孪生”的盲目信任反映了将责任让渡给机器的非理性趋势。
noyb 在法国、意大利等四国对 Scale AI 旗下的 Outlier 平台提起 5 起 GDPR 投诉,指控其侵犯劳动者隐私。 Outlier 使用 TikTok、LinkedIn 等追踪器每秒传输工人数据,并通过 Persona 强制进行生物识别验证,包括面部视频和 ID 上传。 投诉指出该做法缺乏合法依据,noyb 呼吁数据保护机构调查并处罚以防止类似违规。
Meta 表示新商务条款的实施可能延期,以应对出版商对 AI 训练权限的强烈反对。 新条款原定 10 月 30 日生效,允许 Meta 使用 Facebook 和 Instagram 上的新闻站点内容训练 AI 模型。
前 Yahoo CEO Marissa Mayer 因用 AI 生成女儿特质描述遭批评,OpenAI CEO Sam Altman 曾建议用 ChatGPT 育儿,Meta CEO Mark Zuckerberg 主张将情感需求外包给 AI。 文章指出 50% 美国人担忧 AI 削弱建立有意义人际关系的能力,而科技界高效文化忽视人际关系的复杂性,认为将人类情感交互让渡给计算机会牺牲生活的意义。
Meta 发布 Muse Realtime Avatar,将任意参考图像转化为能实时说话的 AI 角色。该技术与 Muse Realtime Voice 共享语音 token 流,使表情、手势与语音同步,并支持无限实时视频生成。
推荐理由:该发布把 Muse Realtime Voice 接入 Diffusion Transformer,实现 25 FPS 的 448x768 实时视频生成,并将推理优化降至 870 毫秒延迟。
个人 AI 智能体平台(如 Grok、Meta Muse、Claude Code)通过私有记忆形成事实上的锁定。用户难以在不同智能体间迁移上下文,导致数据如同“人质”。当前缺乏跨平台的通用“第二大脑”解决方案来增强记忆可携带性。
德州2026年中期选举中,数据中心建设成为跨党派核心议题,一项8月民调显示57%的德州居民反对数据中心建设。该反对群体包括43%的共和党人、75%的民主党人和54%的独立选民。共和党州长Greg Abbott和民主党州参议员James Talarico面临巨大选举压力,Abbott宣布对数据中心项目许可实施全州冻结,并取消了2013年制定的销售税豁免政策,尽管他此前已将德州定位为“AI发展核心”。
Meta 推出名为 Waddle World 的“16 位宠物护理游戏”,其实质是伪装成宠物的每日日记,用户通过语音与虚拟宠物对话并生成涂鸦。该应用免费且仅限菲律宾成人使用;Meta 同期上线的时尚应用 Style Sketch 仅面向印尼、新加坡和泰国用户开放。 暂无明确证据表明 Meta 计划将这些应用推广至美国或其他地区,目前尚未证实其具体可用性范围。
Nvidia 向 Meta 投资 $3B,Meta 将增发额度上调至近 $98B,并计划增加 Nvidia 芯片采购。Meta 已有 $825B 未来 AI 基础设施承诺,此轮交易被形容为 Nvidia 对 OpenAI 等客户的类似投资模式。
微软推出新一轮自愿离职计划,美国、加拿大、英国和印度的约6万名员工可接受补偿并在年底离开。Copilot相关员工也在覆盖范围内;微软称该计划不会取代强制裁员。背景是微软2026财年净利润1337亿美元,预计2026年资本开支约1750亿美元,用于数据中心、服务器等AI基础设施。同期Meta公布最高975亿美元股权融资,SpaceX披露约400亿美元设备租赁安排。
Grok Bot 成为在印度可用的最低成本 AI Agent,月费 30 美元。实测显示其连接器读取正确且具备持久化记忆,但定时任务有约 3 分钟延迟。Claude Duet 仅限美国研究预览且无需额外费用,Dots 需 ChatGPT Pro 权限,Meta Muse 在印度不可用。
推荐理由:实测了四款 Agent 的连接与定时任务,纠正了部分营销误区,并给出了基于地理位置和现有订阅选择的建议。
Meta 等机构提出 World-T³ 相机可控视频世界模型,利用测试时训练将历史观测按相机位姿写入快速权重,实现长时记忆持久化。在重访基准测试中,该方法将重访 PSNR 从最强基线的 13.52 dB 提升至 18.31 dB,绝对旋转误差降至 1.075°。
推荐理由:论文提出了将相机位姿记忆写入快速权重的测试时训练方案,单卡实现 20.6 FPS 实时长时生成。
summary_zh: CrossProfile 基准指出,在隐藏特征任务中,基于相关性或罕见性的记忆筛选策略均存在显著缺陷。 相关性筛选会引入干扰项,相比罕见性筛选在经典配置下损失 23 至 31 分;罕见性筛选平均效果等同于随机选择,且决策模型中社会证明效应导致额外误差。
微软发布 MAI-Image-2.7-Preview 图像编辑模型,宣布其在全球图像编辑模型中排名第二,仅次于 OpenAI 的 GPT Image 2.5 Sunburst (max)。
FedSEAM 提出一种大语言模型联邦持续学习框架,通过子空间兼容性测试选择性共享专家内容,并在服务器端执行共识方向的子空间专家共识合并以保留客户端特有特征。 该框架利用 Qwen3-4B 和 Llama-3.2-3B 在 TRACE 基准上进行评估,引入路由漂移与合并擦除防护机制,其中一种防护能精确保留选定子空间内的历史任务参数。
KV Packet 提出免重算的 KV 缓存复用框架,通过轻量级可训练软 token 适配器桥接上下文断层。 在 Llama-3.1 和 Qwen-3 实验中,该方法实现近零 FLOPs 且 TTFT 低于重算基线,F1 分数与全量重算持平。 该工作已被 NeurIPS 2026 接收。
研究团队将验证视为 Agent 框架测试时扩展的关键维度,在 Terminal-Bench 和 SWE-bench Verified 上对比了7个前沿编码模型的17种验证设计。
甲骨文宣布扩大与英伟达的云端 AI 芯片合作,将部署数吉瓦级的最新一代 Vera Rubin AI 服务器。同时,甲骨文首次将向客户提供谷歌 TPU,并计划提供 SambaNova 和 Cerebras 的推理芯片,预计 2027 年上线谷歌 TPU 服务。
OpenCode-Muse 插件通过 @muse-code/sdk 让 OpenCode 和 OpenChamber 调用 Meta AI 的 Muse Code 订阅。
Meta宣布计划通过股权融资筹集950亿美元,用于支持AI基础设施和超智能研发,初期将通过有担保的公开发行募资350亿美元,随后通过At-the-Market计划募资600亿美元。Meta称Nvidia、AMD和Broadcom有兴趣认购高达50亿美元股份,资金将投入其AI应用、智能体Muse及数据中心业务。
codingplans.dev发布深度分析指出,OpenAI和Anthropic的主要算力供应商如NVIDIA、Amazon和Broadcom不仅销售硬件,还通过股权或可转换债券向实验室注资。